31、多领域研究成果：MMSE 预测与多电机平均补偿控制

多领域研究成果：MMSE 预测与多电机平均补偿控制

在当今的科技研究领域，机器学习和电机控制是两个备受关注的方向。本文将为大家介绍两项相关的研究成果，一是利用机器学习模型从手指敲击测量中预测简易精神状态检查表（MMSE）得分的方法，二是基于滑模和端口受控哈密顿的多电机平均补偿控制策略。

一、预测 MMSE 得分

MMSE 是一种常用的认知功能评估工具，对于痴呆症等疾病的诊断具有重要意义。研究人员提出了一种基于机器学习的方法来预测 MMSE 得分。

1. 数据处理与评估指标

   • 数据划分 ：将整个数据集随机分为两部分，80%用于训练预测模型，20%用于测试训练好的模型的准确性。
   • 评估指标 ：使用平均绝对误差（MAE）来衡量预测模型在测试数据上的性能，公式为：
     [MAE = \frac{1}{T}\sum_{t = 1}^{T}|S_{pred}^t - S_{true}^t|]
     其中，(S_{pred}^t) 和 (S_{true}^t) 分别表示预测的和真实的 MMSE 得分。最终的 MAE 是 100 次实验结果的平均值。
   • 诊断准确性 ：为了进一步衡量该方法的能力，将样本按照临床临界值（MMSE = 24）分为健康人和患者，然后计算该方法的诊断准确性。

2. 实验结果